O Barclays analisa o panorama de lucros da IA: para cada US$ 100 de receita das empresas de modelos, US$ 35-40 vão para provedores de nuvem, gerando um lucro operacional de US$ 10-20 para eles

Autor | Kozmon

      Editor | Duro IA

Para cada US$100 ganhos por uma empresa de modelos de IA, cerca de US$35 a 40 vão para AWS, Azure e GCP como custos de computação de inferência. Desses, os provedores de nuvem lucram entre US$ 10 e 20, com margens operacionais de 35%-45%.

Esse é o principal achado do estudo de economia setorial da IA publicado pelo Barclays em 28 de agosto.

Ao mesmo tempo, a margem de lucro da inferência paga nos laboratórios de IA já saltou de pouco mais de dez pontos percentuais em 2025 para além de 50%-65% em 2026, com a margem bruta ajustada aumentando de 30 a 50 pontos percentuais ano a ano. O motor desse crescimento são clientes corporativos e fluxos de trabalho agentic tornando-se “must-haves” no mercado.

O analista do Barclays, Ross Sandler, acredita que a margem de lucro real pode ser ainda maior que a estimada, mas que, com o aumento da concorrência e expansão da oferta de computação, a tendência é de recuo gradual.

Mesma indústria, dois cenários financeiros

O Barclays construiu dois modelos hipotéticos de laboratórios de ponta em IA para analisar as diferenças de lucratividade. “Laboratório A” tem cerca de 70% da receita vinda de APIs e 30% de assinaturas; no “Laboratório B”, ocorre o oposto: 80% de assinaturas e apenas 20% de APIs.

APIs, naturalmente, rendem margens de inferência mais altas do que assinaturas. Somando as diferenças na alocação de custos de treinamento e na divisão de receitas com parceiros, a margem bruta ajustada difere em 17 pontos percentuais — cerca de 55% para o Laboratório A e 38% para o Laboratório B.

A forma de reconhecimento de receita amplia essa “distorção”. O Laboratório A reconhece a receita indireta de API pelo valor bruto, enquanto o B trata pelo valor líquido e, em alguns casos, sequer contabiliza receitas operadas por parceiros estratégicos. O Barclays compara isso com UBER e LYFT: o mesmo negócio principal, mas resultados financeiros diferentes conforme padrões contábeis. Quando os laboratórios de IA começarem a publicar balanços GAAP, investidores deverão considerar essas diferenças ao fazer comparações interempresas.

Margens de inferência dispararam

Ao detalhar as linhas de produto—

Produtos por assinatura (como Claude Code, Codex) têm margens de inferência na casa dos 70%, sendo a mais baixa entre as três linhas. Isso porque laboratórios de IA aceitam subsidiar custos de token para reter clientes. Assinaturas costumam ser mensais, com limites de uso; recentemente, a frequência de redefinição desses limites aumentou, refletindo tanto pressões de retenção quanto ganhos de eficiência dos modelos.

APIs diretas foram o primeiro modelo de negócio dos laboratórios de IA e têm as margens mais altas. Desenvolvedores como Cursor e Figma pagam por uso de token. Segundo o Barclays, a margem de inferência dessas APIs já supera os 80% atualmente. Fatores como maior eficiência de tokens (realizar tarefas com menos tokens), reajuste nominal dos preços de API, e otimizações na camada de infraestrutura (quantização, tecnologia speculator e nova geração de computação) continuam ampliando os lucros. O Barclays aponta que, no segundo trimestre de 2026, as margens de inferência das APIs estarão ainda acima do apresentado nos relatórios, mas prevêem queda futura.

O produto de API indireta oferece experiência final semelhante à direta, porém o faturamento ocorre entre usuário e provedor de nuvem. Com a participação da API indireta crescendo na receita, as diferenças de reconhecimento de receita entre laboratórios vão tornar comparações financeiras ainda mais difíceis.

Quanto os provedores de nuvem ganham

De cada US$100 de receita dos laboratórios de IA, o Laboratório A resulta em US$35 para o provedor de nuvem, que, descontados os custos de infraestrutura, gera lucro de cerca de US$11,8 — margem operacional de 34%. No Laboratório B, como há partilha de receita com parceiros estratégicos (20% da receita, com teto acumulado), o provedor de nuvem ganha mais: US$41 de receita e US$19,1 de lucro, com margem operacional de 47%.

O Barclays destaca que a partilha aumenta a margem aparente dos provedores de nuvem, mas, excluindo isso, o lucro real por token é igual. Essa divisão deve acabar depois de 2028.

Produtos agentic por assinatura criam valor extra para provedores de nuvem. Itens desse tipo, por serem runtime com estado, geralmente demandam recursos mais sofisticados da camada de software como bancos de dados etc. Assim, a receita unitária é mais valiosa; em alguns casos, ainda há partilha de receitas entre provedores de nuvem e laboratórios de IA.

Da era do treinamento para a era da inferência

O Barclays estima que a receita total dos laboratórios de IA saltará de US$7 bilhões em 2024 para US$137 bilhões em 2026 e chegará a US$690 bilhões em 2028. Pelo ARR anualizado, as projeções são ainda mais agressivas: US$200 bilhões ao final de 2026 e US$782 bilhões ao final de 2028.

Hoje, gastos com treinamento ainda correspondem a cerca de 48% da receita dos laboratórios — ou seja, praticamente cada dólar faturado por um laboratório vai quase por inteiro para o provedor de nuvem. Mas essa fatia está caindo rápido: de 96% em 2024 para 35% em 2027, e 30% em 2028. À medida que os lucros com inferência superam o desembolso com treinamento, a rentabilidade dos laboratórios de IA vai melhorar continuamente.

A fatia da receita de IA dos provedores de nuvem sobre a receita dos laboratórios de IA também está caindo: de 153% em 2024 para 90% em 2026, e 73% estimados para 2028. Barclays prevê que AWS, Azure e GCP ainda manterão a maior parte do gasto dos laboratórios de IA com computação por mais dois anos, mas, após 2028, projetos de infraestrutura própria garantida passarão a ser prioridade para os laboratórios — e os três gigantes das nuvens podem começar a perder participação nesse mercado de treinamento e inferência.